王宽全

计算机应用

哈尔滨工业大学计算机科学与技术学院

基本信息

王宽全，教授、博士生导师，哈工大计算机学院感知计算研究中心主任。曾任哈工大计算机科学与技术学院副院长、哈工大（威海）计算机科学与技术学院院长、计算机科学与技术国家级实验教学示范中心主任。主要社会及学术兼职：全国工程硕士专业学位教育指导委员会计算机技术协作组组长、全国工程教育计算机专业认证专家，IEEE高级会员、ACM高级会员、中国计算机学会高级会员、计算机学会虚拟现实专委会委员、中国生物医学工程学会高级会员。主要研究方向：图像处理与模式识别；复杂大系统计算；虚拟现实与可视化；系统建模与仿真；生物特征识别；生物计算。科研成果：发表论文300余篇，其中SCI收录60余篇，EI 收录100余篇，出版学术专著6部，获得发明专利授权10余项,获得国家教学成果二等奖1项，省级教学成果一等奖2项。主持国家自然科学基金项目“大规模的多尺度和多模态虚拟心脏计算与可视化方法研究”、“e-Heart仿真平台与关键技术研究”，及国家863高技术计划项目“多尺度虚拟心脏解剖和功能建模与可视化技术研究”等国家级项目10余项。工作经历：多次作为Research Fellow赴香港理工大学合作科研；2004年至2005年，他受邀访问了英国曼彻斯特大学，进行了虚拟心脏方面的合作研究工作；2006-2007年，入选首批西蒙学者计划（注：教育部与美国卡内基梅隆大学（CMU）签署的以诺贝尔奖和图灵奖获得者Herbert A. Simon教授命名培养中国计算机学科高级人才计划），进入CMU后在人机交互研究所学习和工作（导师：Daniel P. Siewiorek教授，IEEE Fellow，ACM Fellow，美国工程院院士）。工作经历时间工作经历 1988－1998 西南师范大学计算机科学系助教、讲师、副教授 1998－1999 哈尔滨工业大学计算机科学与技术学院副教授 1999－2003 哈尔滨工业大学计算机科学与技术学院教授 2003－目前哈尔滨工业大学计算机科学与技术学院博士生导师 2000－2001 香港理工大学计算学系访问教授 2003－2004 香港理工大学计算学系研究员 Research Fellow 2004－2005 英国曼彻斯特大学计算生物学系访问教授 2006－2007 美国卡内基梅陇大学(CMU)计算机学院西蒙学者 2008－2011 哈尔滨工业大学计算机科学与技术学院副院长 2011－2014 哈尔滨工业大学（威海）计算机科学与技术学院院长、软件学院院长教育经历 1981－1985：毕业于哈尔滨工业大学计算机硬件专业获学士学位 1985－1988：毕业于哈尔滨工业大学计算机应用专业获硕士学位 1996－2001：毕业于重庆大学计算机软件与理论专业获博士学位主要任职哈尔滨工业大学计算机科学与技术学院感知计算研究中心主任全国工程硕士专业学位教育指导委员会计算机技术领域协作组组长黑龙江省生物医学工程学会理事《计算机应用》杂志编委《ISRN Signal Processing》杂志编委 IEEE高级会员中国计算机学会高级会员/虚拟现实专委会委员中国生物医学工程学会高级会员曾任哈工大计算机学院副院长、哈工大（威海）计算机学院/软件学院院长曾任哈工大计算机科学与技术国家级实验教学示范中心主任曾任中国计算机学会教育工作委员会委员曾任黑龙江省计算机学会常务理事，教育专委会主任曾任中国图像图形学会理事曾任国际图象图形学报副主编

专利成果

总专利数
14
国内专利数
14
国际专利数
0
有效专利数
14
总发文数(篇)
421
总被引数(次)
2566
H指数
35
TOP1%高被引
0

成果分析

期刊发文占比
专利在审情况: 历年专利情况; 重点学科匹配度; 文章被引情况

专利列表更多

一种用于分析CaMKII致室性心律失常的仿真系统
- 摘要：
  一种用于分析CaMKII致室性心律失常的仿真系统,涉及一种进行心律失常研究的辅助分析工具.本发明包括:用于电刺激的区域设置和刺激参数设置的电刺激设置模块;用于设置仿真对象的参数并结合电刺激设置模块的电刺激信息输出仿真对象的信息的仿真对象设置与输出模块,包括:用于CaMKII调控蛋白信息的查看、修改和编辑录入的亚细胞仿真单元,用于记录细胞膜动作电位的信息的细胞仿真单元,用于记录动作电位在纤维中传导的信息的纤维仿真单元,用于记录动作电位在组织中传导的信息的组织仿真单元,用于记录动作电位在心室中传导的信息的全心室仿真单元.本发明用于心律失常研究的辅助分析.
- 发明人：
  王宽全白杰云张恒贵袁永峰李钦策谢松君
- 申请人：
  哈尔滨工业大学
- 公开日：
  2017-05-31
基于深度学习和MRI图像的心室功能指标预测方法
- 摘要：
  基于深度学习和MRI图像的心室功能指标预测方法,属于医学图像处理领域.传统的心室指标预测方法主要依赖于人工分割每个相位的心室肌肉部分,然后在此基础上进行测算.这种方式需要耗费大量的人力和时间,并且存在严重的人为差异.一种基于深度学习和MRI图像的心室功能指标预测方法,所述方法通过以下步骤实现:临床方式获取心脏核磁共振影像;人工勾勒心室轮廓并计算相关的心室功能指标;对心脏MRI图像进行预处理;采用深度学习方法对心脏核磁共振数据进行特征表示;采用机器学习方法训练心室功能指标预测模型;采用训练好的模型对步骤一获取的心脏核磁共振影像进行心室功能指标预测.本发明能快速、准确、自动化的预测心室功能指标来辅助临床心脏疾病的诊断.
- 发明人：
  王宽全骆功宁安然董素宇张恒贵
- 申请人：
  哈尔滨工业大学
- 公开日：
  2016-11-09
基于消费级摄像头的鲁棒实时三维重建方法
- 摘要：
  基于消费级摄像头的鲁棒实时三维重建方法,本发明涉及基于消费级摄像头的鲁棒实时三维重建方法.本发明是要解决现有方法计算成本高,重建的模型不精确并且不完整的问题.一、在摄像头移动的过程中,基于摄像头当前的视频帧作为输入,估计每一视频帧在场景坐标系下的相机姿态:二、在视频帧中选择最佳的关键帧用于深度估计;三、采用快速鲁棒的深度估计算法估计每一视频帧的深度信息得到每一视频帧的深度图:四、将每一视频帧的深度图转换为截断符号距离场,在体素上并行地执行TSDF的加权平均,增量地融合每一视频帧的深度图,并通过Marching cubes算法构建三角网格表面.本发明应用于图像处理领域.
- 发明人：
  王宽全李兆歆左旺孟张磊
- 申请人：
  哈尔滨工业大学
- 公开日：
  2016-06-08
一种基于多尺度心脏Thimthy综合症发病机制的建模方法
- 摘要：
  一种基于多尺度心脏Thimthy综合症发病机制的建模方法,本发明涉及Thimthy综合症发病机制的建模方法.本发明的目的是为了解决当前无法实现微观与宏观研究的统一的问题.一、建立Thimthy综合症离子通道模型;二、建立Thimthy综合症心肌细胞电生理模型;三、建立Thimthy综合症心肌纤维电生理模型;四、建立心脏切片几何模型;五、建立Thimthy综合症心肌组织电生理模型;步骤六、建立心脏几何模型;七、建立Thimthy综合症心脏电生理模型;八、建立人体的心脏-躯干几何模型;九、与Thimthy综合症临床心电图对比分析.本发明应用于发病机制的建模方法领域.
- 发明人：
  王宽全白杰云张恒贵袁永峰李钦策
- 申请人：
  哈尔滨工业大学
- 公开日：
  2016-04-20
一种驾驭式虚拟心脏仿真方法
- 摘要：
  一种驾驭式虚拟心脏仿真方法,本发明涉及的是基于驾驭式计算进行心脏电生理仿真的方法,本发明是要解决传统复杂心脏建模计算复杂、不合理或失效,而且修正后整个过程必须重做,从而造成了极大的人力物力资源浪费的问题.一、(1)虚拟心脏模型电生理仿真计算过程包括解析组织文件、边界初始化与仿真迭代计算三个部分;(2)虚拟心脏电生理仿真架构;二、驾驭式控制仿真客户端状态机的设计;三、客户端与服务端程序通信方式和消息格式的设计:采用C/S模式,基于TCP协议客户端程序与服务端程序进行通信.本发明应用于计算机仿真领域.
- 发明人：
  王宽全谢松君袁永峰夏勇张恒贵
- 申请人：
  哈尔滨工业大学
- 公开日：
  2015-04-22
包含结构光三维成像系统的医用内窥镜
- 摘要：
  包含结构光三维成像系统的医用内窥镜,它涉及一种医用内窥镜,它解决了在扩张鼻内腔脑外科手术中,由于常规立体观测技术受空间限制而不能直接应用于医用内窥镜的问题.本发明的医用内窥镜,它包括工作镜管,所述工作镜管包括成像通道和照明通道,所述照明通道内置照明光纤,它还包括计算处理模块,所述计算处理模块的信号输入端连接成像通道的电信号输出端;它还包括结构光通道,所述结构光通道置于照明通道内,照明光纤的末端输出的光束由结构光通道接收,该光束经过结构光通道后产生结构光,且所述结构光由结构光通道输出至照明通道外.本发明克服了已有技术的不足,可用于扩张鼻内腔脑外科手术中.
- 发明人：
  王宽全左旺孟纪筱鹏陈彦军吴秋峰
- 申请人：
  哈尔滨工业大学
- 公开日：
  2011-12-21

总专利数

国内专利数

国际专利数

有效专利数

总发文数(篇)

总被引数(次)

H指数

TOP1%高被引

期刊发文占比

专利在审情况

历年专利情况

重点学科匹配度

文章被引情况

一种用于分析CaMKII致室性心律失常的仿真系统

基于深度学习和MRI图像的心室功能指标预测方法

基于消费级摄像头的鲁棒实时三维重建方法

一种基于多尺度心脏Thimthy综合症发病机制的建模方法

一种驾驭式虚拟心脏仿真方法

包含结构光三维成像系统的医用内窥镜

友情链接

关于我们

王宽全